《Agriculture》：Optimization of the Planting Structure of Major Grain Crops on Cultivated Land in China for Coordinated Food Production, Ecosystem Service Value, and Irrigation Water Consumption
编辑推荐：
平衡粮食生产、生态系统服务价值（Ecosystem Service Value, ESV）和农业灌溉用水量（Irrigation Water Consumption, IWC）是中国农业可持续发展面临的重大挑战。然而，在国家尺度上，关于模型驱动的作物种植结构优
平衡粮食生产、生态系统服务价值（Ecosystem Service Value, ESV）和农业灌溉用水量（Irrigation Water Consumption, IWC）是中国农业可持续发展面临的重大挑战。然而，在国家尺度上，关于模型驱动的作物种植结构优化能否有效协调这三个目标的定量证据仍然有限。现有研究主要聚焦于单一作物或局部区域，极少将主要口粮作物的时空演变、影响因素和多目标优化整合在统一框架内。本研究构建了一个渐进式框架，整合了小麦、水稻和玉米的时空演变分析、影响因素识别和种植结构优化。研究人员应用空间自相关分析、重心迁移分析和基于像元的图像差分法，揭示了2000—2025年中国作物演变格局。通过使用四个大型语言模型（Large Language Models, LLMs）进行多次实验，构建了一个包含17个定量指标的五维指标体系，并采用随机森林（Random Forest, RF）算法识别关键影响因素及其相对重要性。基于这些因素构建了优化约束条件，并利用结合NSGA-II算法的多目标模糊线性规划模型，确定了28个省级区域的最优作物面积分配。三种主要口粮作物呈现出显著的北移、东扩和南缩格局。降水和市场可达性是共同的核心影响因素，在所有9个随机森林模型中均排名前五。作物特异性因素，包括水稻的土壤有效磷、小麦的≥10℃积温（Accumulated Active Temperature ≥10℃）和玉米的土壤pH值，解释了作物间空间响应的差异，并为优化建模及协调提升粮食生产、生态系统服务价值和灌溉用水量提供了科学依据。与实际种植结构相比，优化方案使粮食总产量增加3.6%，生态系统服务价值提升11.0%，灌溉用水量减少45.7%，所有28个省份同时实现了三个指标的改善或稳定。基于优化的作物分配模式，研究人员将全国种植结构归纳为区域模式，包括东北地区的水稻–玉米双核系统、黄淮海平原的小麦–玉米轮作、长江中下游和华南的水稻主导系统、西北地区的节水旱作农业，以及西南地区的多样化平衡系统。这些发现为优化中国主要口粮作物种植结构提供了定量参考。
**论文解读：中国主要粮食作物种植结构优化——协调粮食生产、生态系统服务价值与灌溉用水量**
**研究背景与问题**
粮食安全是国家安全的基础，中国以占世界约9%的耕地养活了近20%的人口，水稻、小麦和玉米三大口粮作物占全国粮食总产量的90%以上。然而，持续的人口增长与膳食结构升级导致粮食需求刚性增加，而农业用水占全国总用水量的60%以上，灌溉水有效利用系数仅约0.57，水资源短缺已成为粮食生产的核心约束。同时，长期集约化生产导致耕地生态系统功能退化、面源污染加剧。粮食生产、生态系统服务价值提升与可持续用水之间的三难困境，构成了中国农业发展的核心难题。现有研究多聚焦于单一作物或特定区域，缺乏在统一框架下对三大作物进行系统的时空演变、影响因素识别与多目标优化分析。本研究旨在回答：作物种植结构优化是否为协调粮食生产、生态系统服务价值与水资源利用的有效路径？该研究发表在《Agriculture》期刊上。
**主要研究方法**
研究人员采用以下关键技术方法：①空间自相关分析（Local Moran’s I和Getis-Ord G
i*热点分析）、重心迁移模型及像元差分法，揭示2000—2025年三大作物的空间格局与演变动态；②基于50篇国内外文献知识库，联合四个大型语言模型（GPT-4o-mini、Gemini 2.0 Flash、DeepSeek V3、Doubao-1.5-pro-32k）构建包含5个维度17个定量指标的影响因素指标体系，并采用随机森林模型（3种作物×3个时段，共9个模型）量化各因素相对重要性；③以最大化粮食总产量、最大化生态系统服务价值和最小化灌溉用水量为目标函数，构建多目标模糊线性规划模型，结合NSGA-II算法求解28个省级区域的最优种植面积分配方案。样本数据来源包括遥感影像、DEM、土地利用、作物分布、降水、土壤属性等栅格数据，以及行政区划、交通网络、统计年鉴等矢量与统计数据。
**研究结果**
**3.1. 主要口粮作物的空间变异与时空演变**
通过局部空间自相关分析，三大作物均呈现非随机空间分布，水稻高-高集聚区分布于湖北东部、安徽中北部、黑龙江东部和吉林东部；小麦高-高集聚区集中于山东中西部、河南北部和陕西东部；玉米高-高集聚区表现为北方连片带与南方散点分布。Getis-Ord G
i*热点分析显示，水稻热点区呈“北热南冷”格局，玉米热点区在黄淮海平原和东北平原形成双带，小麦热点区空间范围最小且零星分布。重心迁移表明，2000—2025年水稻重心持续向东北迁移（累计532.16 km）后于2020—2025年回撤；小麦重心以西南向迁移为主，但2015—2020年出现显著东北向偏移；玉米重心呈“东北向扩张—回撤—西西北向移动”的三阶段模式。像元差分法揭示，水稻种植面积在传统稳定区收缩、东北地区扩张、南方加速缩减；小麦稳定核心区占比下降，西北缓慢扩张、南方和东北局部收缩；玉米在东北经历“爆发—饱和”过程，黄淮海核心区稳定，南方零星收缩。
**3.2. 主要粮食作物时空演变的影响因素**
基于多LLM协作构建的五维17指标体系中，四个模型在自然条件和经济条件维度的一致性率分别达80.0%和83.3%，技术条件维度75.0%，社会行为和政策制度维度60.0%。所有9个随机森林模型的精度可接受（Kappa值0.34~0.70）。重要性分析显示，年均降水量和到最近主要城镇的距离在所有模型中均排名前五，是共同核心因素。作物特异性因素中，水稻的土壤有效磷含量、小麦的≥10℃积温、玉米的土壤pH值分别成为第三重要变量。此外，耕地面积变化变量在2020—2025年期间重要性骤升至前五。
**3.3. 多目标协调优化下的主要粮食作物种植结构优化结果**
优化后，东北地区形成“水稻–玉米双核”结构，黄淮海地区维持“小麦–玉米轮作”，长江中下游为“水稻主导”，西北地区为“旱作节水”，西南地区为“多样化均衡”。全国种植结构呈现水稻减、小麦稳、玉米增的格局：水稻面积减少12,174.8千公顷（-47.84%），小麦减少1,535.5千公顷（-7.02%），玉米增加17,227.9千公顷（+42.51%）。优化方案遵循“核心产区集中、非适宜区退出”原则，水稻缩减区与玉米扩张区在黑龙江、安徽等省份高度重叠，小麦缩减区与玉米扩张区在山东、河南空间对应。协同优化效应显著：全国粮食总产量增加204.54亿公斤（+3.6%），生态系统服务价值增加72.34万当量（+11.0%），灌溉用水量减少2209.63亿立方米（-45.7%），所有28个省份三个指标均实现改善或稳定。Pareto前沿分析显示，产量与灌溉用水存在正相关，生态价值与产量呈弱协同关系，表明优化将强冲突转化为可管理的弱权衡。
**讨论与结论**
讨论部分指出，三大作物的“北移东扩南缩”格局是自然禀赋、市场区位与政策调控共同作用的结果。降水和市场可达性作为共同核心驱动因素，决定了作物适宜性边界；而土壤有效磷、积温和pH值等作物特异性因素解释了不同作物的空间响应差异。政策层面，价格支持与补贴政策在阶段性调控中发挥引导作用，玉米临时收储政策改革与水稻最低收购价下调与作物扩张—收缩节奏高度吻合。在方法贡献上，多LLM协作构建指标体系提高了效率与可重复性，但社会制度维度的一致性较低，需辅以人工干预。优化方案的有效性验证表明，在耕地保护红线与水资源总量约束下，NSGA-II算法经500代收敛，基于最大最小满意度原则选出的综合最优解实现了三个目标的均衡提升。敏感性分析显示模型对关键参数扰动响应合理，Bootstrap重抽样证实增产效果统计显著。
研究结论翻译如下：本研究聚焦三大主要口粮作物，采用演变特征分析、影响因素识别与种植结构优化的渐进式框架，回答了作物结构优化是否为协调粮食生产、生态系统服务价值与灌溉用水量的有效路径这一科学问题。结果表明，在“核心产区集中、非适宜区退出”的空间优化指导下，能够在维持耕地红线与粮食安全底线的基础上，同时提高粮食产量、提升生态系统服务价值并减少灌溉用水量。这些发现表明，在本研究设定的约束条件下，优化作物种植结构理论上可实现粮食生产、生态系统服务价值与灌溉用水效率的协同提升。2000—2025年间，中国三大主要口粮作物经历了北移、东扩与南缩的双向重构。水稻持续向东北迁移后回撤，小麦以西南向迁移为主且核心区稳定，玉米经历爆发至饱和的轨迹。本研究将四个大型语言模型（GPT-4o-mini、Gemini 2.0 Flash、DeepSeek V3、Doubao-1.5-pro-32k）应用于50篇文献的知识库，通过两轮实验、每轮三次试验的多模型一致性评估，构建了包含17个定量指标的五维指标体系，共获得24个独立输出集。自然和经济维度的一致性率超过80%，社会、技术和政策维度为60%至75%，表明LLM在提取结构化知识方面更可靠，多模型交叉验证应成为此类应用的标准实践。随机森林分析识别出降水和市场区位为共同核心驱动因素（在所有9个模型中均排名前五），而水稻、小麦和玉米分别额外受土壤有效磷、≥10℃积温和土壤pH值约束。结合NSGA-II的模糊多目标优化得出了以下最优省级面积分配：东北地区水稻–玉米双核、黄淮海地区小麦–玉米轮作、长江中下游水稻主导、西北地区旱作节水、西南地区多样化均衡、华南地区水稻主导。敏感性测试、Pareto前沿分析和Bootstrap重抽样均证实了结果的稳健性。本研究为作物结构政策从面积控制转向空间优化提供了全国尺度的定量参考。核心产区应强化集聚效益，非适宜区退出生产需配套生态补偿。未来研究应耦合CMIP6气候情景与动态优化模型，纳入基于智能体的模型以捕捉农户行为响应，并完善LLM–专家协作的指标体系构建流程。
